机器学习在心脏病分类、脑瘤、肺癌、皮肤癌、胃癌、新冠病毒、癌症、高血压等医学领域都取得了很大成功。这些疾病会造成严重的后果；像心律不齐这样的疾病就是世界上最常见的死亡原因之一。心律失常是指心脏或心跳紊乱。这表明心肌的正常窦性心律受到了干扰。在心律不齐中，心跳可能很慢、很快或不规则。这是一个尚未解决的临床问题，在美国每年造成40万人死亡。据世界卫生组织统计，全球每年因心血管疾病(CVD)而死亡的人数高达万人，占世界总死亡人数的三分之一。
本文着重于检测病变信号，并将心律失常分为两类：室性心动过速和室性早搏。信号检测的唯一目的是确定采集到的信号是来自健康人还是病人。本文提出了一种基于瞬时频率（IF）计算的信号检测器数学模型。一旦检测到来自患者的信号，分类器将该信号作为输入，并通过预测类标签对目标疾病进行分类。在应用分类器时，分别为室性心动过速和室性早搏设计了模板。在谱域中计算给定信号与两个模板的相似度。
实证分析表明，该检测器和应用分类器的精度分别为%和77.27%。此外，瞬时频率（IF）分析提供了一个衡量基准，即正常信号的中频范围为0.8至1.1Hz，而室性心动过速和室性早搏的中频范围则为0.08至0.6Hz。这表明频谱中高频成分的严重缺失，意味着心脏的整体活动放缓。本研究可为医学工作者利用信号分析法检测心脏病类型提供帮助和参考。
如需要《利用机器学习的心电图室性心律失常分类的心脏疾病自动检测》（英文，共17页），请在本
本文编辑：佚名
转载请注明出处:网站地址 http://www.bqlpm.com/kcywh/14513.html